用于在Python中将幻影行附加到现有数据框的优化算法

Question

我有一个数据框，我想将重影行（现有行的副本）附加到该数据框。

       id   month  as_of_date1 turn  age 

119 5712    201401  2014-01-01  9   0

120 5712    201402  2014-02-01  9   1

121 5712    201403  2014-03-01  9   2

122 5712    201404  2014-04-01  9   3

123 5712    201405  2014-05-01  9   4

124 5712    201406  2014-06-01  9   5

125 9130    201401  2014-01-01  9   0

126 9130    201402  2014-02-01  9   1

127 9130    201403  2014-03-01  9   2

128 9130    201404  2014-04-01  9   3

129 9130    201405  2014-05-01  9   4

幻影行是根据条件选择的：如果年龄小于转弯，我们需要附加最新的行，直到age== turn of或as_of_date1 == now()

现在我正在使用以下代码，但是由于数据很大，大约200k行，包含100个字段，因此永远都需要

tdf1=tdf.loc[(tdf['age']<tdf['turn'])]

tdf2=tdf1.drop_duplicates(subset=['id'],keep='last')

leads=tdf2.index.tolist()

for lead in leads:

    ttdf=tdf.loc[[lead]]

    diff1 = relativedelta.relativedelta(datetime.datetime(2018,6,1),tdf.loc[lead,'as_of_date1']).months

    diff2=tdf.loc[lead,'turn']-tdf.loc[lead,'age']

    diff=min(diff1,diff2)

    for i in range(0,diff):

        tdf = tdf.append(ttdf, ignore_index=True)

预期结果：

    id   month  as_of_date1 turn  age 

119 5712    201401  2014-01-01  9   0

120 5712    201402  2014-02-01  9   1

121 5712    201403  2014-03-01  9   2

122 5712    201404  2014-04-01  9   3

123 5712    201405  2014-05-01  9   4

124 5712    201406  2014-06-01  9   5

125 9130    201401  2014-01-01  9   0

126 9130    201402  2014-02-01  9   1

127 9130    201403  2014-03-01  9   2

128 9130    201404  2014-04-01  9   3

129 9130    201405  2014-05-01  9   4

130 5712    201406  2014-06-01  9   5

131 5712    201406  2014-06-01  9   5

132 5712    201406  2014-06-01  9   5

133 5712    201406  2014-06-01  9   5

134 9130    201405  2014-05-01  9   4

135 9130    201405  2014-05-01  9   4

136 9130    201405  2014-05-01  9   4

137 9130    201405  2014-05-01  9   4

138 9130    201405  2014-05-01  9   4

如果有人知道更快的算法，我将不胜感激

Answer 1

在附加到数据帧的评论中提到的那样确实很消耗内存，并且根本不建议在循环中执行此操作。所以我使用了以下令人难以置信的提高速度的方法a=[]for lead in leads:&nbsp; &nbsp; ttdf=tdf.loc[[lead]]&nbsp; &nbsp; diff1 = relativedelta.relativedelta(datetime.datetime(2018,6,1),tdf.loc[lead,'as_of_date1']).months&nbsp; &nbsp; diff2=tdf.loc[lead,'turn']-tdf.loc[lead,'age']&nbsp; &nbsp; diff=min(diff1,diff2)&nbsp; &nbsp; for i in range(0,diff):&nbsp; &nbsp; &nbsp; &nbsp; a.append(ttdf)tdf = tdf.append(a, ignore_index=True)